MétaCan
Menu
Retour à la cohorte
Enregistrement W3092038852 · doi:10.5210/spir.v2020i0.11338

SEARCHING FOR TASKS: TASK-ORIENTATION AND THE PROCESSUALITY OF DIGITALSKILLS

2020· article· en· W3092038852 sur OpenAlexaff
Nicole K. Stewart, Frédérik Lesage

Notice bibliographique

RevueAoIR Selected Papers of Internet Research · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInformation Systems Theories and Implementation
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésEmbodied cognitionNarrativeTask (project management)SituatedEveryday lifeAction (physics)PerceptionPsychologyComputer scienceEpistemologyArtificial intelligenceArtEngineering

Résumé

récupéré en direct d'OpenAlex

Skills are not “out there” to be learned but develop through their enactment in situ. Rather than defining skills using a tool- or media-driven approach, we understand skills as situated, embodied processes known as ‘task-orientation’. Coined by Tim Ingold (2011, p. 195) this term refers to “any practical operation, carried out by a skilled agent in an environment as part of his or her normal business of life”. Part of this approach entails taking a holistic, narrative approach to investigating everyday life (Ingold, 2000; 2006; 2011) which some scholars have applied to digital media use (Moores 2017; Sumartojo et al. 2016; Pink 2016, 2015; Pink & Leder Mackley 2013; Pink 2011). We believe task-orientation offers a flexible way to define tasks performed online and offline encompassing three interrelated themes: 1) the processional quality of tool use; 2) the synergy of practitioner, tool, and material; and, 3) the coupling of perception and action. Our focus for this project is an investigation into how people perform unfamiliar tasks with digital media using the four processional phases. Unfamiliar tasks are an inherent part of our digitally-mediated everyday life to the extent that we have learned to ‘cope’ (see Sigaut 1994; see Ingold, 2000, p. 332; see also Nicolosi & Falsaperna, 2015, p. 71) with them — making them, in turn, one of our most ubiquitous and essential digital skills.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,500
Score d'incertitude au seuil0,429

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,057
Tête enseignante GPT0,420
Écart entre enseignants0,363 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAoIR Selected Papers of Internet ResearchMême sujetInformation Systems Theories and ImplementationTravaux en français237 207